干货|TensorFlow开发环境搭建(Ubuntu16.04+GPU+TensorFlow源码编译)

小白学视觉

共 5532字,需浏览 12分钟

 ·

2021-08-01 12:25

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

本文转自|机器学习算法工程师

安装平台



1

平台


 目前TensorFlow已支持Mac、Ubuntu和Windows三个主流平台(64位平台),


2

GPU vs CPU


在安装时可以选择安装版本是否支持GPU,


3

二进制安装 vs 源码安装


同时,安装时可以考虑采用二进制安装,还是源码安装,


4

二进制安装


二进制安装可以有很多选择,


5

实际使用选择



手头上有两台电脑,

  • MacBook Pro (Retina, 13-inch, Early 2015) 
    处理器:2.7 GHz Intel Core i5
    内存:8GB 1867MHz DDR3
    显卡:Intel Iris Graphics 6100 1536MB

  • 攀升兄弟组装台式机 
    处理器:英特尔 Core i7-6700 @3.40GHz 四核 
    主板:华硕 B150M-ET M2 SERIES
    内存:8G(威刚DDR4 2801MHz) 
    硬盘:三星 MZ7TE256HMHP-00000(256GB/固态硬盘) 
    显卡:Nvidia GeForce GTX 950(2GB)


其中, 
MacBook Pro采用基于Anaconda的二进制安装方式(仅支持CPU)。Anaconda是一个集成平台,包含大多数机器学习的常用工具,


  • NumPy:科学运算包

  • SciPy:在NumPy的基础上构建,功能更加强大的科学计算包

  • Matplotlib:类似Matlab的绘图工具包

  • Scikit-learn:经典机器学习工具包

  • Pandas:数据处理和分析工具包(可用于数据读写、清洗、填充和分析等场景) 


采用Anaconda安装方案,一方面MacBook Pro的开发环境很容易搭建(几句命令即可完成),另一方面,基于Anaconda的环境,也可以方便验证简单的机器学习算法。


对于台式机则采用了Ubuntu+GPU+TensorFlow源码编译的方式,进行TensorFlow环境搭建,下面我们着重介绍下这种安装方式。




Ubuntu16.04+TensorFlow(GPU)源码编译



1

Ubuntu系统安装


目前,大多数计算机,包括台式机已没有了光驱,同时,Ubuntu的系统安装盘也不易获得。针对这种情况,我们可以采用U盘来进行安装。具体步骤可以参考:《Ubuntu 16.04 U盘安装图文教程》


2

禁用UEFI安全启动


对于华硕 B150M-ET主板,UEFI默认是开启的。而UEFI开启会导致第三方驱动安装失败(如显卡驱动,这是源码编译安装GPU支持的TensorFlow,遇到的第一个坑)。具体步骤可以参考:《华硕主板禁用UEFI安全启动》


3

安装NVIDIA驱动



3.1安装方式

英伟达的显卡驱动有三种方式:

  • apt-get+系统设置安装

  • 安装CUDA时顺便安装

  • 官方下载最新驱动并安装 

参考:《Ubuntu 16.04安装NVIDIA驱动》


3.2安装步骤

本文采用第一种方案:

sudo apt-get install nvidia-367

然后进入:System Settings->Software&Updates->Additional Drivers->,选择NVIDIA Corporation[Using NVIDIA binary driver]


3.3验证测试

nvidia-smi #若列出GPU的信息列表,表示驱动安装成功
nvidia-settings #若弹出设置对话框,亦表示驱动安装成功

4



安装CUDA


CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。可以理解成基于GPU并行计算的应用层接口。 

CUDA8.0下载地址 


安装Cuda的时候,需要关闭X服务。

sudo service lightdm stop


这时,系统会出现黑屏。此时,同时按住[CTRL + ALT + F1]三个键进入命令行模式(如果不能进入命令行模式,可以参考《alt+ctrl+F1黑屏 ,解决方案》), 

然后输入[账号],[密码]后登陆。 


在CUDA的下载目录运行,

sudo sh cuda_xxx.run


要注意的是,在询问是否安装“NVIDIA Accelerated Graphics Driver”可以选择“是”,

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: y


但在后续出现询问是否安装“X configuration”时,则需要选择“否”,否则之前安装的显卡驱动就白安装了。 


CUDA安装结束后,则可以恢复到图形界面模式,

sudo service lightdm start


到这里,CUDA的安装还不算结束,需要将CUDA相关的内容添加到系统环境变量中。安装过程中Summary提示,

Please make sure that
– PATH includes /usr/local/cuda-8.0/bin
– LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root


CUDA相关的环境变量可以放在~/.bashrc中,

vi ~/.bash_profile


在其中,增加如下两行,

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-  8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
-8.0


5

安装cuDNN



cuDNN(CUDA Deep Neural Network)相比标准的cuda,它在一些常用的神经网络操作上进行了性能的优化,比如卷积,pooling,归一化,以及激活层等等。


下载地址:https://developer.nvidia.com/rdp/cudnn-download 


下载cuDNN后进行解压,并执行如下命令:

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*


6

gcc降低版本




网上说cuda8.0不支持5.0以上的编译器,因此需要降级,把编译器版本降到4.9,但我看了CUDA8.0的安装手册《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》,并没有发现这一条,《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》 


在实际使用中,还是将GCC做了降级(PS,在安装时可以先不降级,看看是否会出问题),GCC降级方法如下,

sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++


7

安装Bazel



Bazel是一个构建工具,即一个可以运行编译和测试来组装软件的工具,跟Make、Ant、Gradle、Buck、Pants和Maven一样。TensorFlow的编译是基于Bazel完成的。 


Bazel官方地址:https://docs.bazel.build/versions/master/install.html 


7.1安装准备


7.2安装

Bazel可以通过apt-get和下载安装两种方式完成,本文中,采用下载安装的方式实现,

chmod +x PATH_TO_INSTALL.SH
./PATH_TO_INSTALL.SH --us
er


8

第三方库安装


sudo apt-get install python-numpy swig python-dev python-wheel
sudo apt-get install libcupti-dev
sudo apt-get install git



9

TensorFlow源码编译



9.1下载

git clone https://github.com/tensorflow/tensorflow


9.2编译配置

cd ~/tensorflow
./configure


9.3编译安装

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
sudo pip install /tmp/tensorflow_pkg/tensorflow-0.10.0-cp2-none-any.whl

至此,便完成了支持GPU的TensorFlow源码编译。



10

环境测试



可以通过如下代码进行测试,

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

正常测试输出,

Hello, TensorFlow!




参考资料




《Ubuntu 16.04 U盘安装图文教程》 
《华硕主板禁用UEFI安全启动》 
《Ubuntu 16.04安装NVIDIA驱动》 
《alt+ctrl+F1黑屏 ,解决方案》 
《Ubuntu16.04 下安装GPU版TensorFlow(包括Cuda和Cudnn)》 
《ubuntu16.04下安装TensorFlow(GPU加速)》



下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 11
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报